Jove
Visualize
联系我们
JoVE
x logofacebook logolinkedin logoyoutube logo
关于 JoVE
概览领导团队博客JoVE 帮助中心
作者
出版流程编辑委员会范围与政策同行评审常见问题投稿
图书馆员
用户评价订阅访问资源图书馆顾问委员会常见问题
研究
JoVE JournalMethods CollectionsJoVE Encyclopedia of Experiments存档
教育
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab Manual教师资源中心教师网站
使用条款与条件
隐私政策
政策

相关概念视频

您也可能阅读

相关文章

通过共同作者、期刊和引用图与本文相关的文章。

排序
Same author

Intracranial hemorrhage segmentation and classification framework in computer tomography images using deep learning techniques.

Scientific reports·2025
Same author

A systematic review on intracranial aneurysm and hemorrhage detection using machine learning and deep learning techniques.

Progress in biophysics and molecular biology·2023
Same author

Tibia Fracture Healing Prediction Using First-Order Mathematical Model.

Computational and mathematical methods in medicine·2015
查看所有相关文章

相关实验视频

Updated: May 23, 2025

Application of Deep Learning-Based Medical Image Segmentation via Orbital Computed Tomography
04:48

Application of Deep Learning-Based Medical Image Segmentation via Orbital Computed Tomography

Published on: November 30, 2022

2.6K

基于卷积块注意力门的Unet框架用于使用视网膜底部图像进行微动脉瘤细分.

C B Vanaja1, P Prakasam2

  • 1School of Electronics Engineering, Vellore Institute of Technology, Vellore, India.

BMC medical imaging
|March 11, 2025
PubMed
概括

一个新的深度学习模型准确地细分微动脉瘤,这是糖尿病视网膜病变的早期迹象. 这种自动化方法有助于及时诊断和治疗,以防止视力丧失.

科学领域:

  • 医疗成像医学成像
  • 人工智能的人工智能
  • 眼科医生 眼科 眼科

背景情况:

  • 糖尿病视网膜病变是全球视力丧失的主要原因之一.
  • 在视网膜图像中早期检测微动脉瘤 (MAs) 对于预防失明至关重要.
  • 由于它们的小尺寸和图像复杂性,手动识别MA具有挑战性.

研究的目的:

  • 开发一种自动化方法,用于在视网膜底部图像中准确细分微动脉瘤.
  • 通过增强图像分析,改善糖尿病视网膜病变的早期诊断.

主要方法:

  • 开发了一个新的CBAM-AG U-Net模型,将注意力机制 (CBAM,AG) 集成到U-Net架构中.
  • 该模型利用U-Net的编码器-解码器结构进行全面的特征提取.
  • 注意力机制专注于相关的特征和重要位置,以改善细分.

主要成果:

  • CBAM-AG U-Net 模型在 IDRiD 数据集上实现了高细分精度.
  • 关键的绩效指标包括0.758的交叉点与联盟 (IoU),0.865的子系数和0.996.99的AUC-ROC.
  • 该模型在微动脉瘤细分精度方面表现优于现有方法.
关键词:
注意门注意门.注意力机制注意力机制深度学习是一种深度学习.糖尿病视网膜病变 - 糖尿病视网膜病变微动脉瘤是一个微动脉瘤.

更多相关视频

An Acute Retinal Model for Evaluating Blood Retinal Barrier Breach and Potential Drugs for Treatment
09:33

An Acute Retinal Model for Evaluating Blood Retinal Barrier Breach and Potential Drugs for Treatment

Published on: September 13, 2016

7.1K
Using Retinal Imaging to Study Dementia
09:17

Using Retinal Imaging to Study Dementia

Published on: November 6, 2017

21.4K

相关实验视频

Last Updated: May 23, 2025

Application of Deep Learning-Based Medical Image Segmentation via Orbital Computed Tomography
04:48

Application of Deep Learning-Based Medical Image Segmentation via Orbital Computed Tomography

Published on: November 30, 2022

2.6K
An Acute Retinal Model for Evaluating Blood Retinal Barrier Breach and Potential Drugs for Treatment
09:33

An Acute Retinal Model for Evaluating Blood Retinal Barrier Breach and Potential Drugs for Treatment

Published on: September 13, 2016

7.1K
Using Retinal Imaging to Study Dementia
09:17

Using Retinal Imaging to Study Dementia

Published on: November 6, 2017

21.4K

结论:

  • 拟议的深度学习技术显示了在糖尿病视网膜病变诊断中自动化微动脉瘤细分方面的重大前景.
  • 这种方法可以简化诊断过程,使糖尿病视网膜病变的检测更快,更准确.
  • 准确的MA细分对于及时干预和糖尿病视网膜病变的管理至关重要.